模型平均估计是一种重要的多模型推断法,通过组合不同备选模型的估计值或者预测值,以获得更稳健或者预测效果更好的估计量。模型平均估计的理论研究得到了日益增长的关注,并被广泛运用于计算机科学、经济学、医学、生物学等领域。同大部分的统计估计方法一样,强影响点的存在会影响模型平均估计的效果。因此在模型平均估计研究的背景下,研究强影响点识别的统计方法非常重要。但目前已有的统计诊断的研究通常很少考虑多模型推断的背景,少有文献研究模型平均背景下的强影响点的识别问题。本文回顾了模型平均中的权重选择法,研究了模型平均背景下的强影响点的识别,结合统计诊断中的数据删除法推广了适合模型平均背景下的Cook距离作为诊断统计量。通过模拟研究考查了所提出方法的有效性。最后,使用所提出的诊断方法分析了波士顿房价数据和汽车安全座椅数据,得到了较为合理的结论。